Dica do autor: Quando a gente olha para variáveis biológicas contínuas, como glicemia em jejum, o pulo do gato é lembrar que elas costumam refletir a soma de muitos pequenos fatores (metabólicos, hormonais, genéticos e ambientais). Pela ideia do teorema do limite central, a soma de muitas influências independentes tende a produzir uma distribuição aproximadamente gaussiana—ou seja, normal—desde que não haja um viés forte causado por subgrupos patológicos ou outliers. Em populações mistas, valores extremos (p.ex., indivíduos com diabetes grave e glicemia muito alta) introduzem assimetria à direita; se esses valores forem excluídos, o que sobra tende a ser uma distribuição mais simétrica, com média e mediana próximas e variância bem caracterizada por um desvio padrão. Portanto, ao excluir os 20% com glicemia >200 mg/dL (um grupo claramente patológico), o esperado é que a glicemia em jejum da amostra remanescente apresente comportamento compatível com uma distribuição normal.

Alternativa A: INCORRETA. A distribuição exponencial é fortemente assimétrica à direita e caracteriza fenômenos do tipo "tempo até um evento" (com propriedade de memória). Não faz sentido afirmar que valores de glicemia crescem “exponencialmente” entre 70 e 100 mg/dL, nem é plausível modelar uma variável clínica contínua dessa forma quando ela resulta da soma de muitos efeitos. A forma exponencial não descreve a variabilidade esperada de glicemia em uma população saudável.

Alternativa B: INCORRETA. O termo "log-linear" aqui está confuso; o que costuma aparecer em estatística é a noção de variável log-normal, em que o logaritmo da variável segue distribuição normal — isso gera uma variável assimétrica à direita. Embora algumas concentrações biológicas sejam melhor modeladas como log-normais, a afirmação geral não responde ao enunciado: ao retirar o grupo com glicemias muito elevadas, a tendência é diminuir a assimetria e aproximar-se de normalidade, não de um padrão que obrigatoriamente exija escala logarítmica.

Alternativa C: CORRETA. Isso está certo. Variáveis fisiológicas contínuas frequentemente se aproximam de uma distribuição normal quando observadas em indivíduos sem doença que gere valores extremos. Ao excluir os 20% com glicemia >200 mg/dL (um corte que remove um subgrupo patológico e outliers), a distribuição remanescente tende a ser simétrica em torno de uma média, com caudas balanceadas—as principais características da distribuição normal.

Alternativa D: INCORRETA. A distribuição de Poisson descreve contagens discretas de eventos raros em um intervalo fixo (ex.: número de infecções por dia) e não se aplica a medidas contínuas como glicemia em mg/dL. Além disso, a raridade de valores >200 mg/dL não transforma a variável contínua em Poisson.

Alternativa E: INCORRETA. A distribuição qui-quadrado é a soma de quadrados de variáveis normais padronizadas e tem forma assimétrica; é usada em testes de hipóteses e modelagem específica, não como modelo natural para uma medida direta de glicemia só porque os valores individuais não foram fornecidos. A ausência de dados individuais não muda a natureza da variável nem a torna qui-quadrado.

Resposta: Alternativa C